Your words may predict your future mental health | Mariano Sigman

802,510 views ・ 2016-06-16

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Mieszko Renusch Korekta: Rysia Wand
00:13
We have historical records that allow us to know how the ancient Greeks dressed,
0
13006
5150
Mamy dane historyczne, dzięki którym wiemy, jak ubierali się starożytni Grecy,
00:18
how they lived,
1
18180
1254
jak żyli,
00:19
how they fought ...
2
19458
1522
jak walczyli...
00:21
but how did they think?
3
21004
1524
ale jak myśleli?
00:23
One natural idea is that the deepest aspects of human thought --
4
23432
4440
Jeden z poglądów przyjmuje, że najgłębsze aspekty ludzkiej myśli,
00:27
our ability to imagine,
5
27896
1872
nasza zdolność wyobraźni,
00:29
to be conscious,
6
29792
1397
świadomości,
00:31
to dream --
7
31213
1231
marzeń,
00:32
have always been the same.
8
32468
1619
zawsze były takie same.
00:34
Another possibility
9
34872
1499
Inna możliwość to
00:36
is that the social transformations that have shaped our culture
10
36395
3723
że zmiany społeczne, które ukształtowały naszą kulturę,
00:40
may have also changed the structural columns of human thought.
11
40142
3785
mogły również zmienić strukturalny podział myśli.
00:44
We may all have different opinions about this.
12
44911
2524
Opinie na ten temat mogą się różnić.
00:47
Actually, it's a long-standing philosophical debate.
13
47459
2717
To w zasadzie odwieczny dylemat filozoficzny.
00:50
But is this question even amenable to science?
14
50644
2727
Ale czy to pytanie da się zbadać naukowo?
00:54
Here I'd like to propose
15
54834
2506
Chciałbym zaproponować,
00:57
that in the same way we can reconstruct how the ancient Greek cities looked
16
57364
4772
żeby tak, jak odtwarzamy wygląd starożytnych greckich miast
01:02
just based on a few bricks,
17
62160
2388
na podstawie kilku cegieł,
01:04
that the writings of a culture are the archaeological records,
18
64572
4126
przyjąć, że zapisy kulturowe to dane archeologiczne,
01:08
the fossils, of human thought.
19
68722
2143
skamieliny ludzkiej myśli.
01:11
And in fact,
20
71905
1174
I faktycznie,
01:13
doing some form of psychological analysis
21
73103
2206
dokonując pewnej formy analizy psychologicznej
01:15
of some of the most ancient books of human culture,
22
75333
3544
kilku z najstarszych ksiąg z ludzkiego dorobku,
01:18
Julian Jaynes came up in the '70s with a very wild and radical hypothesis:
23
78901
5955
w latach 70. Julian Jaynes wysnuł bardzo odważną hipotezę:
01:24
that only 3,000 years ago,
24
84880
2413
żyjący 3000 lat temu ludzie
01:27
humans were what today we would call schizophrenics.
25
87317
4888
dzisiaj uchodziliby za schizofreników.
01:33
And he made this claim
26
93753
1508
Stwierdził to w oparciu o fakt,
01:35
based on the fact that the first humans described in these books
27
95285
3301
że pierwsi ludzie opisani w tych księgach
01:38
behaved consistently,
28
98610
1904
niezmiennie zachowywali się,
01:40
in different traditions and in different places of the world,
29
100538
3016
niezależnie od tradycji czy miejsca,
01:43
as if they were hearing and obeying voices
30
103578
3532
jak gdyby słyszeli i słuchali głosów
01:47
that they perceived as coming from the Gods,
31
107134
3040
ich zdaniem pochodzących od bogów
01:50
or from the muses ...
32
110198
1198
lub od muz...
01:52
what today we would call hallucinations.
33
112063
2769
Co dzisiaj nazwalibyśmy halucynacjami.
01:55
And only then, as time went on,
34
115888
2626
Dopiero z upływem czasu
01:58
they began to recognize that they were the creators,
35
118538
3651
zaczynali rozumieć, że to oni byli twórcami,
02:02
the owners of these inner voices.
36
122213
2515
właścicielami tych wewnętrznych głosów.
02:05
And with this, they gained introspection:
37
125316
2715
W ten sposób zyskali introspekcję:
02:08
the ability to think about their own thoughts.
38
128055
2483
umiejętność myślenia o swoich własnych myślach.
02:11
So Jaynes's theory is that consciousness,
39
131785
3397
Według teorii Jaynesa świadomość,
02:15
at least in the way we perceive it today,
40
135206
3166
przynajmniej tak, jak postrzegamy ją dzisiaj,
02:18
where we feel that we are the pilots of our own existence --
41
138396
3540
gdzie uważamy się za pilotów naszego istnienia,
02:21
is a quite recent cultural development.
42
141960
2737
jest stosunkowo nowym osiągnięciem kulturowym.
02:25
And this theory is quite spectacular,
43
145456
1786
Ta teoria jest dosyć efektowna,
02:27
but it has an obvious problem
44
147266
1433
ale ma oczywistą wadę.
02:28
which is that it's built on just a few and very specific examples.
45
148723
3992
Jest oparta na niewielu i bardzo konkretnych przykładach.
02:33
So the question is whether the theory
46
153085
1763
Pytanie brzmi, czy teorię,
02:34
that introspection built up in human history only about 3,000 years ago
47
154872
4751
że introspekcja wytworzyła się w ludziach dopiero około 3000 lat temu
02:39
can be examined in a quantitative and objective manner.
48
159647
2984
można zbadać w ilościowy i obiektywny sposób.
02:43
And the problem of how to go about this is quite obvious.
49
163543
3563
Problem z takim badaniem jest jasny.
02:47
It's not like Plato woke up one day and then he wrote,
50
167130
3460
Przecież Platon nie napisał ot, tak:
02:50
"Hello, I'm Plato,
51
170614
1659
"Cześć, jestem Platon
02:52
and as of today, I have a fully introspective consciousness."
52
172297
2889
i od dzisiaj mam w pełni introspektywną świadomość".
02:55
(Laughter)
53
175210
2293
(Śmiech)
02:57
And this tells us actually what is the essence of the problem.
54
177527
3333
To wskazuje na sedno problemu.
03:01
We need to find the emergence of a concept that's never said.
55
181467
4055
Musimy wykryć pojawienie się pojęcia, o którym się nie mówi.
03:06
The word introspection does not appear a single time
56
186434
4310
Słowo introspekcja ani razu nie pojawia się
03:10
in the books we want to analyze.
57
190768
1919
w analizowanych książkach.
03:13
So our way to solve this is to build the space of words.
58
193728
4087
Należałoby zbudować przestrzeń ze słów.
03:18
This is a huge space that contains all words
59
198571
3287
To ogromna przestrzeń, zawierająca wszystkie słowa
03:21
in such a way that the distance between any two of them
60
201882
2802
tak, że dystans pomiędzy nimi
03:24
is indicative of how closely related they are.
61
204708
2883
wskazuje, jak blisko są powiązane.
03:28
So for instance,
62
208460
1151
Na przykład
03:29
you want the words "dog" and "cat" to be very close together,
63
209635
2897
słowa "pies" i "kot" powinny być bardzo blisko siebie,
03:32
but the words "grapefruit" and "logarithm" to be very far away.
64
212556
3831
a słowa "grejpfrut" i "logarytm" daleko.
03:36
And this has to be true for any two words within the space.
65
216809
3896
Musi tyczyć się to każdej pary wyrazów w tej przestrzeni.
03:41
And there are different ways that we can construct the space of words.
66
221626
3341
Taką przestrzeń wyrazową można stworzyć na wiele sposobów.
03:44
One is just asking the experts,
67
224991
1643
Można zapytać ekspertów,
03:46
a bit like we do with dictionaries.
68
226658
1896
tak jak pytamy słowniki.
03:48
Another possibility
69
228896
1428
Inna możliwość
03:50
is following the simple assumption that when two words are related,
70
230348
3715
to zastosowanie prostego założenia,
że powiązane słowa występują w tych samych zdaniach,
03:54
they tend to appear in the same sentences,
71
234087
2349
03:56
in the same paragraphs,
72
236460
1453
tych samych paragrafach,
03:57
in the same documents,
73
237937
1770
tych samych dokumentach,
03:59
more often than would be expected just by pure chance.
74
239731
3182
częściej niż wskazywałby na to przypadek.
04:04
And this simple hypothesis,
75
244231
2050
Ta prosta hipoteza,
04:06
this simple method,
76
246305
1306
prosta metoda,
04:07
with some computational tricks
77
247635
1607
dzięki kilku sztuczkom obliczeniowym
04:09
that have to do with the fact
78
249266
1389
bo mamy do czynienia ze złożoną i wielowymiarową przestrzenią,
04:10
that this is a very complex and high-dimensional space,
79
250679
3064
04:13
turns out to be quite effective.
80
253767
1665
okazuje się skuteczna.
04:16
And just to give you a flavor of how well this works,
81
256155
2802
Żeby pokazać, jak dobrze to działa,
04:18
this is the result we get when we analyze this for some familiar words.
82
258981
3912
oto wyniki analizy kilku znanych słów.
04:23
And you can see first
83
263607
1185
Można zobaczyć,
04:24
that words automatically organize into semantic neighborhoods.
84
264816
3278
że słowa automatycznie organizują się w sąsiedztwa semantyczne.
04:28
So you get the fruits, the body parts,
85
268118
2217
Mamy owoce, części ciała,
04:30
the computer parts, the scientific terms and so on.
86
270359
2425
części komputera, pojęcia naukowe i tak dalej.
04:33
The algorithm also identifies that we organize concepts in a hierarchy.
87
273119
4222
Algorytm również wykrywa, że porządkujemy pojęcia w hierarchii.
04:37
So for instance,
88
277852
1151
Na przykład
04:39
you can see that the scientific terms break down into two subcategories
89
279027
3597
pojęcia naukowe dzielą się na dwie subkategorie
04:42
of the astronomic and the physics terms.
90
282648
2100
pojęć astronomicznych i fizycznych.
04:45
And then there are very fine things.
91
285338
2246
Mamy też bardzo subtelne podziały.
04:47
For instance, the word astronomy,
92
287608
1905
Na przykład słowo "astronomia",
04:49
which seems a bit bizarre where it is,
93
289537
1815
które trochę tutaj dziwi,
04:51
is actually exactly where it should be,
94
291376
2048
jest tam, gdzie być powinno,
04:53
between what it is,
95
293448
1595
pomiędzy tym, czym jest,
04:55
an actual science,
96
295067
1270
czyli nauką,
04:56
and between what it describes,
97
296361
1536
a tym, co opisuje,
04:57
the astronomical terms.
98
297921
1492
czyli pojęciami astronomicznymi.
05:00
And we could go on and on with this.
99
300182
1891
Można dużo o tym mówić.
05:02
Actually, if you stare at this for a while,
100
302097
2060
Jeżeli się temu przyjrzeć
05:04
and you just build random trajectories,
101
304181
1858
i zbudować losowe trajektorie,
05:06
you will see that it actually feels a bit like doing poetry.
102
306063
3166
widać, że w zasadzie przypomina to poezję.
05:10
And this is because, in a way,
103
310018
1882
A to dlatego,
05:11
walking in this space is like walking in the mind.
104
311924
2940
że wędrówka w tej przestrzeni przypomina wędrówkę w umyśle.
05:16
And the last thing
105
316027
1617
Wreszcie ten algorytm
05:17
is that this algorithm also identifies what are our intuitions,
106
317668
4040
określa nasze przypuszczenia
05:21
of which words should lead in the neighborhood of introspection.
107
321732
3896
odnośnie tego, które słowa prowadzą do introspekcji.
05:25
So for instance,
108
325652
1223
Na przykład
05:26
words such as "self," "guilt," "reason," "emotion,"
109
326899
3979
słowa, jak "ja", "wina", "powód", "emocja",
05:30
are very close to "introspection,"
110
330902
1889
są blisko słowa "introspekcja",
05:32
but other words,
111
332815
1151
ale inne słowa,
05:33
such as "red," "football," "candle," "banana,"
112
333990
2167
jak "czerwony", "piłka", "świeczka", "banan",
05:36
are just very far away.
113
336181
1452
są oddalone.
05:38
And so once we've built the space,
114
338054
2762
Po stworzeniu takiej przestrzeni
05:40
the question of the history of introspection,
115
340840
2826
kwestia historii introspekcji
05:43
or of the history of any concept
116
343690
2333
albo historii jakiegokolwiek pojęcia,
05:46
which before could seem abstract and somehow vague,
117
346047
4779
które mogłoby wydawać się abstrakcyjne i niejasne,
05:50
becomes concrete --
118
350850
1604
staje się wymierna,
05:52
becomes amenable to quantitative science.
119
352478
2738
otwarta na naukę ilościową.
05:56
All that we have to do is take the books,
120
356216
2762
Pozostaje tylko wziąć książki,
05:59
we digitize them,
121
359002
1381
zdigitalizować je,
06:00
and we take this stream of words as a trajectory
122
360407
2809
następnie przelać strumień słów jako trajektorię
06:03
and project them into the space,
123
363240
1969
i odwzorować je w przestrzeni,
06:05
and then we ask whether this trajectory spends significant time
124
365233
3754
aby sprawdzić, czy ta trajektoria
krąży blisko pojęcia introspekcji.
06:09
circling closely to the concept of introspection.
125
369011
2992
06:12
And with this,
126
372760
1196
W ten sposób
06:13
we could analyze the history of introspection
127
373980
2112
można przeanalizować historię introspekcji
06:16
in the ancient Greek tradition,
128
376116
1921
w tradycji starożytnej Grecji,
06:18
for which we have the best available written record.
129
378061
2602
która ma najlepiej zachowaną literaturę.
06:21
So what we did is we took all the books --
130
381631
2255
Wzięliśmy wszystkie księgi,
06:23
we just ordered them by time --
131
383910
2284
uporządkowaliśmy je chronologicznie
06:26
for each book we take the words
132
386218
1752
i słowa z każdej z książek
06:27
and we project them to the space,
133
387994
1961
odwzorowujemy w przestrzeni,
06:29
and then we ask for each word how close it is to introspection,
134
389979
3032
a następnie sprawdzamy, jak blisko są introspekcji
06:33
and we just average that.
135
393035
1230
i to uśredniamy.
06:34
And then we ask whether, as time goes on and on,
136
394590
3198
Później sprawdzamy, czy z upływem czasu
06:37
these books get closer, and closer and closer
137
397812
3252
książki stopniowo zbliżają się
06:41
to the concept of introspection.
138
401088
1754
do pojęcia introspekcji.
06:42
And this is exactly what happens in the ancient Greek tradition.
139
402866
3801
Otóż właśnie to ma miejsce w greckiej tradycji.
06:47
So you can see that for the oldest books in the Homeric tradition,
140
407698
3127
Można zobaczyć, że najstarsze księgi tradycji homeryckiej
06:50
there is a small increase with books getting closer to introspection.
141
410849
3412
zbliżają się do introspekcji powoli.
06:54
But about four centuries before Christ,
142
414285
2206
Natomiast 400 lat przed Chrystusem
06:56
this starts ramping up very rapidly to an almost five-fold increase
143
416515
4708
prawie 5-krotnie przyspiesza przybliżanie
07:01
of books getting closer, and closer and closer
144
421247
2500
do pojęcia introspekcji.
07:03
to the concept of introspection.
145
423771
1682
07:06
And one of the nice things about this
146
426159
2424
Jedną z zalet tego podejścia
07:08
is that now we can ask
147
428607
1198
jest możliwość sprawdzenia,
07:09
whether this is also true in a different, independent tradition.
148
429829
4147
czy dotyczy to również innej, niezależnej tradycji.
07:14
So we just ran this same analysis on the Judeo-Christian tradition,
149
434962
3176
Przeprowadziliśmy podobną analizę tradycji judeochrześcijańskiej
07:18
and we got virtually the same pattern.
150
438162
2721
i uzyskaliśmy praktycznie taki sam model.
07:21
Again, you see a small increase for the oldest books in the Old Testament,
151
441548
4635
Powolny wzrost w najstarszych księgach Starego Testamentu,
07:26
and then it increases much more rapidly
152
446207
1914
potem duże przyspieszenie
07:28
in the new books of the New Testament.
153
448145
1839
w późnych księgach Nowego Testamentu.
07:30
And then we get the peak of introspection
154
450008
2032
Kulminację introspekcji mamy
07:32
in "The Confessions of Saint Augustine,"
155
452064
2127
w "Wyznaniach" świętego Augustyna
07:34
about four centuries after Christ.
156
454215
1857
około 400 lat po Chrystusie.
07:36
And this was very important,
157
456897
1944
To ważne,
07:38
because Saint Augustine had been recognized by scholars,
158
458865
3373
bo święty Augustyn uchodzi wśród uczonych,
07:42
philologists, historians,
159
462262
2172
filologów, historyków,
07:44
as one of the founders of introspection.
160
464458
2078
za jednego z prekursorów introspekcji.
07:47
Actually, some believe him to be the father of modern psychology.
161
467060
3297
W zasadzie niektórzy uważają go za ojca współczesnej psychologii.
07:51
So our algorithm,
162
471012
1839
Nasz algorytm ma następujące zalety:
07:52
which has the virtue of being quantitative,
163
472875
2842
jest ilościowy,
07:55
of being objective,
164
475741
1263
obiektywny
07:57
and of course of being extremely fast --
165
477028
2016
i oczywiście niezwykle szybki,
07:59
it just runs in a fraction of a second --
166
479068
2397
działa w ułamku sekundy,
08:01
can capture some of the most important conclusions
167
481489
3503
pozwala wysnuć najistotniejsze wnioski
08:05
of this long tradition of investigation.
168
485016
2222
w tej długiej tradycji dociekania.
08:08
And this is in a way one of the beauties of science,
169
488317
3651
Tutaj tkwi piękno nauki,
08:11
which is that now this idea can be translated
170
491992
3476
bo teraz możemy ten pomysł uogólnić
08:15
and generalized to a whole lot of different domains.
171
495492
2571
i przenieść do wielu innych dziedzin.
08:18
So in the same way that we asked about the past of human consciousness,
172
498769
4767
Podobnie jak pytaliśmy o historię ludzkiej świadomości,
08:23
maybe the most challenging question we can pose to ourselves
173
503560
3406
chyba najtrudniejszym pytaniem, jakie można zadać jest to,
08:26
is whether this can tell us something about the future of our own consciousness.
174
506990
4137
czy pomoże nam to przewidzieć przyszłość własnej świadomości.
08:31
To put it more precisely,
175
511550
1470
Ściślej mówiąc,
08:33
whether the words we say today
176
513044
2416
czy słowa wypowiadane dzisiaj
08:35
can tell us something of where our minds will be in a few days,
177
515484
5197
mogą przewidzieć, gdzie nasze umysły
będą za kilka dni, kilka miesięcy
08:40
in a few months
178
520705
1151
08:41
or a few years from now.
179
521880
1182
albo za kilka lat.
08:43
And in the same way many of us are now wearing sensors
180
523597
3020
Wiele osób nosi czujniki,
08:46
that detect our heart rate,
181
526641
1786
które mierzą tętno,
08:48
our respiration,
182
528451
1269
oddech,
08:49
our genes,
183
529744
1667
geny,
08:51
on the hopes that this may help us prevent diseases,
184
531435
3651
bo wierzą, że pomoże to zapobiec chorobom.
08:55
we can ask whether monitoring and analyzing the words we speak,
185
535110
3521
Można zapytać, czy monitorowanie i analizowanie wypowiedzi,
08:58
we tweet, we email, we write,
186
538655
2683
tweetów, maili, notatek,
09:01
can tell us ahead of time whether something may go wrong with our minds.
187
541362
4808
pozwoli zawczasu przewidzieć nieprawidłowości w działaniu umysłu.
09:07
And with Guillermo Cecchi,
188
547087
1534
Wspólnie z Guillermo Cecchi,
09:08
who has been my brother in this adventure,
189
548645
3001
który towarzyszył mi w tej przygodzie,
09:11
we took on this task.
190
551670
1555
podjęliśmy się tego zadania.
09:14
And we did so by analyzing the recorded speech of 34 young people
191
554228
5532
Przeanalizowaliśmy nagrane wypowiedzi 34 młodych ludzi,
09:19
who were at a high risk of developing schizophrenia.
192
559784
2801
będących w grupie ryzyka zachorowania na schizofrenię.
09:23
And so what we did is, we measured speech at day one,
193
563434
2881
Zbadaliśmy wypowiedzi pierwszego dnia,
09:26
and then we asked whether the properties of the speech could predict,
194
566339
3242
następnie zapytaliśmy, czy jej cechy pozwolą przewidzieć,
09:29
within a window of almost three years,
195
569605
2496
w ciągu kolejnych 3 lat,
09:32
the future development of psychosis.
196
572125
2035
przyszły rozwój psychozy.
09:35
But despite our hopes,
197
575427
2366
Ale wbrew naszym nadziejom
09:37
we got failure after failure.
198
577817
3117
odnosiliśmy porażkę za porażką.
09:41
There was just not enough information in semantics
199
581793
3882
W semantyce było po prostu zbyt mało informacji,
09:45
to predict the future organization of the mind.
200
585699
2793
żeby przewidzieć przyszłą organizację umysłu.
09:48
It was good enough
201
588516
1809
Wystarczyło, by odróżnić
09:50
to distinguish between a group of schizophrenics and a control group,
202
590349
4175
grupę schizofreników od grupy kontrolnej,
09:54
a bit like we had done for the ancient texts,
203
594548
2712
trochę jak z naszymi starożytnymi tekstami,
09:57
but not to predict the future onset of psychosis.
204
597284
2994
ale nie żeby przewidzieć wystąpienie psychozy.
10:01
But then we realized
205
601164
1706
Wtedy zdaliśmy sobie sprawę,
10:02
that maybe the most important thing was not so much what they were saying,
206
602894
4088
że może ważniejsze jest nie to, co mówią,
10:07
but how they were saying it.
207
607006
1673
ale jak to mówią.
10:09
More specifically,
208
609679
1220
Dokładniej mówiąc,
10:10
it was not in which semantic neighborhoods the words were,
209
610923
2827
nie rozmieszczenie słów w danych semantycznych sąsiedztwach,
10:13
but how far and fast they jumped
210
613774
2600
ale jak daleko i często słowa skakały
10:16
from one semantic neighborhood to the other one.
211
616398
2301
z jednego sąsiedztwa do innego.
10:19
And so we came up with this measure,
212
619247
1731
Stworzyliśmy pomiar,
10:21
which we termed semantic coherence,
213
621002
2389
który nazwaliśmy spójnością semantyczną,
10:23
which essentially measures the persistence of speech within one semantic topic,
214
623415
4804
określającą stopień ograniczania się do jednego tematu semantycznego,
10:28
within one semantic category.
215
628243
1529
jednej semantycznej kategorii.
10:31
And it turned out to be that for this group of 34 people,
216
631294
4047
Okazało się, że w tej 34-osobowej grupie
10:35
the algorithm based on semantic coherence could predict,
217
635365
3659
algorytm oparty na spójności semantycznej wykrywał
10:39
with 100 percent accuracy,
218
639048
2500
ze 100% dokładnością
10:41
who developed psychosis and who will not.
219
641572
2507
u kogo wystąpi psychoza i u kogo nie.
10:44
And this was something that could not be achieved --
220
644976
2937
Było to coś nieosiągalnego,
10:47
not even close --
221
647937
1508
nawet w przybliżeniu,
10:49
with all the other existing clinical measures.
222
649469
3126
przy użyciu innych dostępnych środków klinicznych.
10:54
And I remember vividly, while I was working on this,
223
654525
3579
Dokładnie pamiętam, kiedy nad tym pracowałem.
10:58
I was sitting at my computer
224
658128
2317
Siedziałem przy komputerze
11:00
and I saw a bunch of tweets by Polo --
225
660469
2635
i zobaczyłem kilka tweetów Polo.
11:03
Polo had been my first student back in Buenos Aires,
226
663128
3167
Polo był moim pierwszym studentem w Buenos Aires,
11:06
and at the time he was living in New York.
227
666319
2070
a wtedy mieszkał w Nowym Jorku.
11:08
And there was something in this tweets --
228
668413
2088
Było coś w tych tweetach,
11:10
I could not tell exactly what because nothing was said explicitly --
229
670525
3501
nie wiedziałem dokładnie co, bo nie było nic powiedziane wyraźnie,
11:14
but I got this strong hunch,
230
674050
2021
ale miałem silne przeczucie,
11:16
this strong intuition, that something was going wrong.
231
676095
2955
że dzieje się coś złego.
11:20
So I picked up the phone, and I called Polo,
232
680347
2723
Zadzwoniłem do Polo
11:23
and in fact he was not feeling well.
233
683094
1919
i w rzeczy samej nie czuł się dobrze.
11:25
And this simple fact,
234
685362
1937
Ten prosty fakt,
11:27
that reading in between the lines,
235
687323
2491
że czytając między wierszami,
11:29
I could sense, through words, his feelings,
236
689838
4262
byłem w stanie wyczuć przez słowa jego uczucia,
11:34
was a simple, but very effective way to help.
237
694124
2619
był prostą, ale bardzo efektywną pomocą.
11:37
What I tell you today
238
697987
1638
Mówię wam dzisiaj,
11:39
is that we're getting close to understanding
239
699649
2508
że zbliżamy się do zrozumienia,
11:42
how we can convert this intuition that we all have,
240
702181
4286
jak można przekształcić intuicję, która wszyscy mamy,
11:46
that we all share,
241
706491
1365
tę powszechną umiejętność,
11:47
into an algorithm.
242
707880
1197
w algorytm.
11:50
And in doing so,
243
710102
1461
Dzięki temu w przyszłości
11:51
we may be seeing in the future a very different form of mental health,
244
711587
4650
podejście do zdrowia psychicznego
11:56
based on objective, quantitative and automated analysis
245
716261
5621
może opierać się na obiektywnej, ilościowej i zautomatyzowanej analizie
12:01
of the words we write,
246
721906
1709
mówionych i pisanych słów.
12:03
of the words we say.
247
723639
1537
12:05
Gracias.
248
725200
1151
Gracias.
12:06
(Applause)
249
726375
6883
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7